物联网技术在建筑能耗感知预测的应用

导语：物联网技术在建筑能耗感知预测的应用一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

【摘要】在保证建筑使用舒适度的情况下，为对建筑电力能耗情况实时监测与预测，本研究探索基于物联网技术的建筑能耗感知预测系统的建设方法，提出系统架构及相关配置情况，阐述系统的典型应用，为能耗感知预测系统的研发提供思路，助力实现建筑运行过程中节约能耗、提高能源使用效率的目的，提高现代化城市管理能力。

【关键词】物联网技术；建筑能耗预测；能耗监测系统

1引言

随着经济的发展与人口数量的增加，人们对能源的需求也急速增长，统计结果表明，全国建筑全过程能耗与碳排放变化总体上呈现出一致性的阶段性特点，2005年~2019年，我国建筑的全过程能耗由9.34亿吨标准煤上升到22.33亿吨标准煤，年均增长率6.3%，建筑全过程碳排放由22.34亿吨二氧化碳增长到49.97亿吨二氧化碳，年平均增长率为5.92%，其中，2019年建筑运行阶段碳排放21.3亿吨，占全国碳排放的21.6%，虽然年均增长率逐渐放缓，但是建筑运行过程中能源消耗依然占很大比重，因此，建筑物的能耗监测与预警成为众多学者的研究对象。胡莹坚[1]为避免地下室中布线困难等问题，开发了基于LoRa技术的建筑物能耗监测系统；陈辉[2]以建筑物耗能特点为研究对象，在建筑物节能标准中提取影响能耗的主要因素，并建立神经网络算法对建筑物能耗仿真，提高建筑物能耗评估的智能度；侯骁虎[3]以物联网技术、传感器技术与软件开发技术为实现手段，结合当前国内外高校在能耗监测应用系统开发与应用方面所积累的经验，为某高校开发了校园能耗监测综合管理平台。开发基于物联网技术的电力能耗感知预测系统，对建筑物电力能耗进行实时预测和监控，存储过往历史数据，预测用电高峰期与低谷期，实现电力资源的“削峰填谷”，可以有效提高能源的使用效率，减少能源浪费。

2建筑能耗感知预测系统

2.1物联网技术概述21世纪以来，物联网技术发展迅速，已经成为我国信息产业的重要组成部分。物联网技术主要通过前端设备的布置，将采集到的信号与网络进行连接，通过有线或者无线方式将信号实时传输[4]，实现对物体的有效定位、识别等功能。物联网技术架构主要分为三层，即：感知层、网络层和应用层[4]。感知层依靠安装布置在物体上的传感器设备，对物体信息采集与发送，网络层在接收到信息后，使用互联网、无线网络等技术将信息传送到应用层，通过应用层对信息进行智能处理，实现物体实时监控或控制的智能化管理体系。物联网技术的发展和通信技术的进步加快了我国智慧城市的发展进程，建筑能耗感知与预测作为智能建筑的重要分支，也将得到更加广泛的应用。2.2系统架构建筑能耗感知预测系统主要依托于物联网技术以及智慧城市管理平台（见图1），整体系统架构根据物联网基本架构分为感知层、传输层和应用层三部分，应用层依据系统实际应用功能分为能耗数据管理子系统及能耗预测子系统两部分。本文研究对象为建筑物的电力耗能，能耗管理子系统对建筑物已发生的耗能进行有效记录与存储，能耗预测子系统根据传感设备采集到的预测指标对建筑物能耗进行预测，便于建筑管理人员对能耗进行有效把控。

3系统功能

3.1能耗感知模块物联网技术的本质是通过互联网实现物与物之间的相互连接，并实现物与物之间的信息联通和交互[5]。建筑物能耗的实时感知依赖互联网设备的布置，能耗数据通过传感器设备采集后，利用无线通信技术传输到服务器，服务器将数据进行处理后存储在后台数据库，并在能耗管理平台展示能耗情况。传感装置用于采集各类数据，包括能耗监测数据和环境监测数据，能耗监测数据用于建筑物能耗实时感知，环境监测数据用于能耗预测。能耗感知模块会对房间的能耗实时监测对比，当房间内的耗能超过历史消耗能耗的最高值时，则会在系统页面对建筑管理人员提示，建筑管理人员不仅可以查看能耗实时数据，还可对历史数据进行分类筛选、搜索等操作，便于管理人员的决策。3.2能耗预测模块能耗预测模块配合能耗管理系统，根据历史数据对建筑物未来能耗进行准确预测，合理优化用电配置，减少建筑用电浪费和碳排放。本研究基于物联网技术采集能耗预测所需指标，构建BP（Backpropagation反向传播）神经网络进行建筑物能耗预测，其基本流程如图2所示，通过传感器采集室外温度等所需信息，将采集到的信息传输到管理平台，将模型数据拟合后便得到建筑能耗预测结果，将结果返回用户界面。BP神经网络算法是一种多层前馈神经网络，基于最速下降法进行求解[6]，能够模拟人的思维模式对机制进行学习，被广泛地应用于建筑领域的能耗预测。BP神经网络包括输入层、隐含层与输出层，在本研究当中，输入层指标包括建筑面积、室外温度、空调维持温度以及人员密度四个指标，经过拟合后得到建筑物耗电量结果，即输出层，其神经元个数为一，而隐含层的神经元个数是通过算法训练过程中的不断调整达到最优的。本研究中算法的训练数据为天津市中新生态城某幼儿园的历史数据，数据集温度覆盖-8%至32℃，基本满足全年所有工况。算法训练完成后进行封装，在进行能耗预测时将建筑面积、室外温度、空调维持温度以及人员密度四个指标输入算法，算法经过拟合计算后得到建筑能耗预测结果，并将结果返回用户界面，如图2结果输出部分所示。

4系统典型应用

4.1信息存储功能智慧城市管理平台后台内置数据库，存储建筑能耗历史数据，便于管理者查询使用的同时，可用于算法训练优化迭代。4.2信息查询功能可以按照时间段对能耗数据进行查询筛选，同时，还可以按照能耗量筛选数据，便于管理者分析历史数据，合理制定能源使用策略.4.3能耗异常预警功能系统可对能耗实时感知，并与历史平均数据进行对比，若出现过高或过低的异常情况，则在管理平台中显示警报，提示建筑管理人员对该建筑或房间的能耗情况进行调查。4.4能耗预测功能构建BP神经网络，使用物联网设备采集相关指标，自动预测耗电量，得到某一房间或建筑的预测耗能，给建筑管理人员的能源分配决策提供指导。

5结语

综上所述，随着物联网技术的进步和智慧城市的发展，基于物联网技术构建建筑物能耗感知预测系统，可以使建筑物能耗可视化、存储历史数据、赋能城市管理水平、提高建筑管理能力以及能源使用效率。

参考文献

[1]胡莹坚.基于LoRa技术的建筑物能耗监测系统在人防地下室中的实现[J].现代建筑电气，2020，11（8）：28-30.

[2]陈辉.基于神经网络分析的建筑物耗能仿真模型分析[J].佳木斯大学学报(自然科学版)，2022，40（1）：13-15+138.

[3]侯骁虎.高校校园能耗监测综合管理平台的设计与实现[D].大连：大连理工大学，2017.

[4]梁禹鹏.基于物联网技术的未来智能楼宇系统探析[J].智能建筑与智慧城市，2022（1）：113-115.

[5]付川琪.基于CFD仿真和SVM算法的建筑能耗预测系统云平台[D].南京：南京信息工程大学，2021.

[6]滕文龙，丛炳虎，商云坤，张予宸，白天.基于MEA-BP神经网络的建筑能耗预测模型[J].吉林大学学报(工学版)，2021，51（5）：1857-1865.

作者：于佳怡 周锐 钟炜 单位：天津理工大学管理学院 天津生态城国有资产经营管理有限公司